利用算法预测风力，机器学习将风能价值提升20%

像可再生能源这样的无碳技术有助于应对气候变化，但这其中许多技术尚未充分发挥其潜力。以风能为例：在过去的十年中，随着涡轮机成本的大幅下降和应用的激增，风力发电场已经成为无碳电力的一个重要来源。然而，风能本身的多变性使其成为一种不可预测的能源，因此，它不如在固定时间能可靠输送电力的能源有用。

为了寻找这个问题的解决方案，去年DeepMind和谷歌开始将机器学习算法应用到美国中部地区的700兆瓦容量的风力发电场。这些风力发电场，是谷歌全球可再生能源项目的一部分，其产生的电力足以满足一个中等城市的用电需求。

我们采用一个在预测天气预报和分析涡轮机的历史数据等方面都可用的神经网络，将DeepMind系统配置为在实际发电前36小时预测风力输出。基于这些预测，我们的模型会建议如何提前一天对电网做出最佳的每小时交付承诺。这一点很重要，因为可以计划的能源（即可以在规定的时间提供一定数量的电力）通常对电网来说更有价值。

虽然我们在继续改进我们的算法，但我们在风力发电场中采用机器学习的方法已经产生了积极的效果。迄今为止，与没有对电网进行时间承诺的情况相比，机器学习已将风能价值提高了约20％。